CN112071006A - 一种高效低分辨率图像区域入侵识别算法与装置 - Google Patents
一种高效低分辨率图像区域入侵识别算法与装置 Download PDFInfo
- Publication number
- CN112071006A CN112071006A CN202010952642.7A CN202010952642A CN112071006A CN 112071006 A CN112071006 A CN 112071006A CN 202010952642 A CN202010952642 A CN 202010952642A CN 112071006 A CN112071006 A CN 112071006A
- Authority
- CN
- China
- Prior art keywords
- human body
- boundary
- image
- body shape
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种高效低分辨率图像区域入侵识别算法与装置，所述算法具体包括以下步骤：S1：从普通视频流中抽样获取连续两帧图像分析样本；S2：对两帧图像进行Canny边缘检测运算，根据两帧图像的Canny边缘检测结果，对比分析两帧图像中的像素变化区域；S3：在对后一帧图像变化区域进行分析的基础上，分析人体形状边界的区域范围，在人体形状区域中利用边界检测算法，找出人体形状位置；S4：将分析出的人体形状位置与指定区域进行重合度对比分析，判断人体是否入侵指定区域。可实现对低分辨率图像的分析，极大降低了图像区域入侵识别的难度和成本，具有很强的适用性与推广价值。
Description
技术领域
本发明涉及计算机图像处理及识别技术领域，特别是涉及一种高效低分辨率图像区域入侵识别算法与装置。
背景技术
区域入侵是工业场所、施工现场重要的安全保障措施之一，自动识别是否有人未经许可入侵指定场所对于规范和管理施工现场、高危场所的作业行为，是非常重要的手段，而图像智能分析和识别是最直接和最有效的方法。
国内有关图像区域入侵识别算法已经应用多年,识别率总体在95％以上,应用效果整体良好，但是这类算法和***的特点是采用成本较高的高清摄像头和专用的硬件,整体成本较高。普通用户单位的视频***分辨率高低不一，社会单位的安防摄像头数量很大，专门应用于录像和实施预览，专职应用于安防领域，能否将普通安防视频图像应用于智能图像分析，例如图像区域入侵识别，工作着装识别等领域，是目前急需解决的问题。
发明内容
为了克服现有技术的上述不足，本发明提出了一种高效低分辨率图像区域入侵识别算法与装置，解决现有图像区域入侵识别算法只能采用高清摄像头产生可视化图像，整体成本高的技术问题。
本发明是通过以下技术方案实现的：
一种高效低分辨率图像区域入侵识别算法，具体包括以下步骤：
S1：从普通视频流中抽样获取连续两帧图像分析样本；
S2：对两帧图像进行Canny边缘检测运算，根据两帧图像的Canny边缘检测结果，对比分析两帧图像中的像素变化区域；
S3：在对后一帧图像变化区域进行分析的基础上，分析人体形状边界的区域范围，在人体形状区域中利用边界检测算法，找出人体形状位置；
S4：将分析出的人体形状位置与指定区域进行重合度对比分析，判断人体是否入侵指定区域。
进一步的，S1中图像分析样本为24位RGB位图，图像分辨率不低于320×240。
进一步的，S3中确定人体形状边界的区域范围的步骤包括：
S31：把单帧图像样本进行图像像素灰度值计算：AVG_VALUE＝(R+G+B)/3；
S32：在图像像素变化区域中建立人体边界检测模型，如果人体边界检测模型满足以下三个条件：人体边界检测模型的边界平滑度和边界走向比例大于65％，人体边界检测模型为正方形或长方形，人体边界检测模型具有上小下大的特征，则确定为人体形状边界的区域范围。
进一步的，S3中找出人体形状位置的步骤包括：在分析出人体形状边界的区域范围后，进一步进行人体边界平滑度和头部肩膀边界走向分析，通过符合条件色彩像素点的走向进行判断，符合人体肩膀范围的像素边界的左、右到顶部的角度值α满足30°≤α≤65°，判断为人体。
进一步的，对头部肩膀边界走向进行判断的具体方式为：
对于人体肩膀头部判断从左到右，从下往上，到顶部后再从左到右，从上往下；
对于人体肩膀头部判断从右到左，从下往上，到顶部后再从右到左，从上往下。
一种高效低分辨率图像区域入侵识别装置，包括
图像采集模块，从普通视频流中抽样获取连续两帧图像分析样本；
Canny边缘检测模块，对两帧图像进行Canny边缘检测运算，根据两帧图像的Canny边缘检测结果，对比分析两帧图像中的像素变化区域；
人体形状分析模块，在对后一帧图像变化区域进行分析的基础上，分析人体形状边界的区域范围，在人体形状区域中利用边界检测算法，找出人体形状位置；
区域重合对比分析模块，将分析出的人体形状位置与指定区域进行重合度对比分析，判断人体是否入侵指定区域。
与现有技术相比，本发明的有益效果在于：
本发明提出的一种高效低分辨率图像区域入侵识别算法与装置，利用普通摄像头产生可视的视频图像，可以在分辨率很低的情况下进行分析，可以有效降低图像智能分析的应用成本，提高算法和装置应用的普及率；
通过连续两帧图像的Canny边缘检测运算，并通过对比两帧图像的变化区域，分析变化区域中的人体形状和肩膀头部位置，与划定区域进行重合度分析出是否区域入侵，在低分辨率的情况下可应用该算法，通过对人体形状和划定区域重合度特征进行分析，能高效率自动识别图像中的人是否入侵指定区域。
附图说明
图1为本发明实施例所述一种高效低分辨率图像区域入侵识别算法的流程示意图；
图2(a)为本发明实施例所述对人体肩膀范围的像素边界的右部到顶部的角度分析图；
图2(b)为本发明实施例所述对人体肩膀范围的像素边界的左部到顶部的角度分析图。
具体实施方式
展示一下实例来具体说明本发明的某些实施例，且不应解释为限制本发明的范围。对本发明公开的内容可以同时从材料、方法和反应条件进行改进，所有这些改进，均应落入本发明的精神和范围之内。
如图1所示，一种高效低分辨率图像区域入侵识别算法，具体包括以下步骤：
S1：从普通视频流中抽样获取连续两帧图像分析样本。
在本实施例中，可通过国标互联网视频标准协议或视频厂家提供二次开发包获取得到图像分析样本，图像分析样本为24位RGB位图，图像分辨率不低于320×240；
S2：对两帧图像进行Canny边缘检测运算，根据两帧图像的Canny边缘检测结果，对比分析两帧图像中的像素变化区域；
在本实施例中，Canny边缘检测运算步骤如下：
1)建立卷积核数组，对图像进行高斯平滑，以降低错误率；
2)进行滤波处理，建立梯度方向角数组，通过计算梯度幅度和方向来评估每一点像素的边缘方向和强度；
3)根据梯度方向，对梯度幅值进行局部非极大值抑制处理；
4)对图像边缘像素进行双阈值处理、双阈值中间阈值滤除及连接等，利用Robert算子将边缘像素细化。
S3：在对后一帧图像变化区域进行分析的基础上，分析人体形状边界的区域范围，在人体形状区域中利用边界检测算法，找出人体形状位置。
在本实施例中，确定人体形状边界的区域范围的步骤包括：
S31：把单帧图像样本进行图像像素灰度值计算：AVG_VALUE＝(R+G+B)/3；
S32：在图像像素变化区域中建立人体边界检测模型，如果人体边界检测模型满足以下三个条件：人体边界检测模型的边界平滑度和边界走向比例大于65％，人体边界检测模型为正方形或长方形，人体边界检测模型具有上小下大的特征，则确定为人体形状边界的区域范围。
在本实施例中，找出人体形状位置的步骤包括：在分析出人体形状边界的区域范围后，进一步进行人体边界平滑度和头部肩膀边界走向分析，通过符合条件色彩像素点的走向进行判断，图2(a)-图2(b)所示，判断的具体方式为：
对于人体肩膀头部判断从左到右，从下往上，到顶部后再从左到右，从上往下；
对于人体肩膀头部判断从右到左，从下往上，到顶部后再从右到左，从上往下。
符合人体肩膀范围的像素边界的左、右到顶部的角度值α满足30°≤α≤65°，判断为人体，不满足以上条件的则认为不是人体。
S4：将分析出的人体形状位置与指定区域进行重合度对比分析，通过连续两帧图像分析，是否都具备区域重合特征，判断人体是否入侵指定区域。
如果有人入侵，启动语音播报提醒相关人员注意区域入侵，并将图像数据保存备查，同时将图像发送给值班电脑和相关人员的手机APP，***人员、值班人员的电脑或移动终端接收到图像信息后，通过内部***方法进行相应的处理；如果没有人入侵，进行下一次分析。
一种高效低分辨率图像区域入侵识别装置，包括
图像采集模块，从普通视频流中抽样获取连续两帧图像分析样本；
Canny边缘检测模块，对两帧图像进行Canny边缘检测运算，根据两帧图像的Canny边缘检测结果，对比分析两帧图像中的像素变化区域；
人体形状分析模块，在对后一帧图像变化区域进行分析的基础上，分析人体形状边界的区域范围，在人体形状区域中利用边界检测算法，找出人体形状位置；
区域重合对比分析模块，将分析出的人体形状位置与指定区域进行重合度对比分析，判断人体是否入侵指定区域。
综上，本申请的高效低分辨率图像区域入侵识别算法与装置，对图像的质量没有要求，可以在分辨率很低的情况下进行分析，图像像素最低分辨率可达320×240，利用Canny边缘检测算法对人体形状进行分析和与指定区域进行重合度分析，高效率、低成本自动识别人是否入侵指定区域。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种高效低分辨率图像区域入侵识别算法，其特征在于，具体包括以下步骤：
S1：从普通视频流中抽样获取连续两帧图像分析样本；
S2：对两帧图像进行Canny边缘检测运算，根据两帧图像的Canny边缘检测结果，对比分析两帧图像中的像素变化区域；
S3：在对后一帧图像变化区域进行分析的基础上，分析人体形状边界的区域范围，在人体形状区域中利用边界检测算法，找出人体形状位置；
S4：将分析出的人体形状位置与指定区域进行重合度对比分析，判断人体是否入侵指定区域。
2.根据权利要求1所述的一种高效低分辨率图像区域入侵识别算法，其特征在于，S1中图像分析样本为24位RGB位图，图像分辨率不低于320×240。
3.根据权利要求1所述的一种高效低分辨率图像区域入侵识别算法，其特征在于，S3中确定人体形状边界的区域范围的步骤包括：
S31：把单帧图像样本进行图像像素灰度值计算：AVG_VALUE＝(R+G+B)/3；
S32：在图像像素变化区域中建立人体边界检测模型，如果人体边界检测模型满足以下三个条件：人体边界检测模型的边界平滑度和边界走向比例大于65％，人体边界检测模型为正方形或长方形，人体边界检测模型具有上小下大的特征，则确定为人体形状边界的区域范围。
4.根据权利要求1或3任意一项所述的一种高效低分辨率图像区域入侵识别算法，其特征在于，S3中找出人体形状位置的步骤包括：在分析出人体形状边界的区域范围后，进一步进行人体边界平滑度和头部肩膀边界走向分析，通过符合条件色彩像素点的走向进行判断，符合人体肩膀范围的像素边界的左、右到顶部的角度值α满足30°≤α≤65°，判断为人体。
5.根据权利要求4所述的一种高效低分辨率图像区域入侵识别算法，其特征在于，对头部肩膀边界走向进行判断的具体方式为：
对于人体肩膀头部判断从左到右，从下往上，到顶部后再从左到右，从上往下；
对于人体肩膀头部判断从右到左，从下往上，到顶部后再从右到左，从上往下。
6.一种高效低分辨率图像区域入侵识别装置，其特征在于，包括
图像采集模块，从普通视频流中抽样获取连续两帧图像分析样本；
Canny边缘检测模块，对两帧图像进行Canny边缘检测运算，根据两帧图像的Canny边缘检测结果，对比分析两帧图像中的像素变化区域；
人体形状分析模块，在对后一帧图像变化区域进行分析的基础上，分析人体形状边界的区域范围，在人体形状区域中利用边界检测算法，找出人体形状位置；
区域重合对比分析模块，将分析出的人体形状位置与指定区域进行重合度对比分析，判断人体是否入侵指定区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010952642.7A CN112071006A (zh) | 2020-09-11 | 2020-09-11 | 一种高效低分辨率图像区域入侵识别算法与装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010952642.7A CN112071006A (zh) | 2020-09-11 | 2020-09-11 | 一种高效低分辨率图像区域入侵识别算法与装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112071006A true CN112071006A (zh) | 2020-12-11 |
Family
ID=73696460
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010952642.7A Pending CN112071006A (zh) | 2020-09-11 | 2020-09-11 | 一种高效低分辨率图像区域入侵识别算法与装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112071006A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105664462A (zh) * | 2016-01-07 | 2016-06-15 | 北京邮电大学 | 基于人体姿态估计算法的辅助训练*** |
| US20180047167A1 (en) * | 2016-08-15 | 2018-02-15 | Macau University Of Science And Technology | Method for edge detection |
| CN108985144A (zh) * | 2018-05-29 | 2018-12-11 | 湖北德强电子科技有限公司 | 一种高效低成本图像火灾自动识别方法及装置 |
| CN109409190A (zh) * | 2018-08-21 | 2019-03-01 | 南京理工大学 | 基于梯度直方图和Canny边缘检测器的行人检测方法 |
| CN110008831A (zh) * | 2019-02-23 | 2019-07-12 | 晋能大土河热电有限公司 | 一种基于计算机视觉分析的智能化监控融合*** |
| CN110598521A (zh) * | 2019-07-16 | 2019-12-20 | 南京菲艾特智能科技有限公司 | 一种基于人脸图像智能分析的行为与生理状态识别方法 |
-
2020
- 2020-09-11 CN CN202010952642.7A patent/CN112071006A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105664462A (zh) * | 2016-01-07 | 2016-06-15 | 北京邮电大学 | 基于人体姿态估计算法的辅助训练*** |
| US20180047167A1 (en) * | 2016-08-15 | 2018-02-15 | Macau University Of Science And Technology | Method for edge detection |
| CN108985144A (zh) * | 2018-05-29 | 2018-12-11 | 湖北德强电子科技有限公司 | 一种高效低成本图像火灾自动识别方法及装置 |
| CN109409190A (zh) * | 2018-08-21 | 2019-03-01 | 南京理工大学 | 基于梯度直方图和Canny边缘检测器的行人检测方法 |
| CN110008831A (zh) * | 2019-02-23 | 2019-07-12 | 晋能大土河热电有限公司 | 一种基于计算机视觉分析的智能化监控融合*** |
| CN110598521A (zh) * | 2019-07-16 | 2019-12-20 | 南京菲艾特智能科技有限公司 | 一种基于人脸图像智能分析的行为与生理状态识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8608073B2 (en) | System and method for robust real-time 1D barcode detection | |
| US8532414B2 (en) | Region-of-interest video quality enhancement for object recognition | |
| CN101599175B (zh) | 确定拍摄背景发生改变的检测方法及图像处理设备 | |
| CN110443212B (zh) | 用于目标检测的正样本获取方法、装置、设备及存储介质 | |
| US20110221895A1 (en) | Detection of Movement of a Stationary Video Camera | |
| CN108389215B (zh) | 一种边缘检测方法、装置、计算机存储介质及终端 | |
| Liu et al. | A perceptually relevant approach to ringing region detection | |
| CN105279487A (zh) | 美颜工具筛选方法和*** | |
| US11288790B2 (en) | Display panel inspection method and apparatus | |
| CN112862832B (zh) | 一种基于同心圆分割定位的脏污检测方法 | |
| CN106228541A (zh) | 视觉检测中屏幕定位的方法及装置 | |
| CN112862744A (zh) | 一种基于超声图像的电容内部缺陷智能检测方法 | |
| Li et al. | A color cast detection algorithm of robust performance | |
| CN110222647B (zh) | 一种基于卷积神经网络的人脸活体检测方法 | |
| CN114937003A (zh) | 一种针对玻璃面板的多类型缺陷检测***和方法 | |
| CN107292892B (zh) | 视频帧图像的分割方法及装置 | |
| CN113947563A (zh) | 一种基于深度学习的电缆工艺质量动态缺陷检测方法 | |
| KR20120015980A (ko) | 오브젝트 색상 보정 방법, 시스템 및 컴퓨터 프로그램 제품 | |
| CN111708907B (zh) | 一种目标人员的查询方法、装置、设备及存储介质 | |
| CN107248151B (zh) | 一种基于机器视觉的液晶片智能检测方法及*** | |
| CN112071006A (zh) | 一种高效低分辨率图像区域入侵识别算法与装置 | |
| CN115601712B (zh) | 适用于现场安全措施的图像数据处理方法及*** | |
| TW201445458A (zh) | 一種攝像設備的檢測裝置及方法 | |
| CN111241934A (zh) | 一种获取人脸图像中油光区域的方法和装置 | |
| CN112329554B (zh) | 低分辨率图像安全帽识别方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201211 |
|
| RJ01 | Rejection of invention patent application after publication |